Περιεχόμενα Άρθρου
- Οι επιστήμονες του Stanford αναζητούν να συνδυάσουν SRAM και DRAM
- Ο νέος τύπος μνήμης θα βοηθούσε στην επίλυση προβλημάτων με τον υπολογισμό AI
- Το Gain Cell memory φαίνεται να γεφυρώνει το χάσμα μεταξύ των δύο τύπων
Η ανάπτυξη πιο ενεργειακά αποδοτικού υλικού για συστήματα τεχνητής νοημοσύνης (AI) λαμβάνει αυξημένη υποστήριξη, με έμφαση στη βελτίωση της τεχνολογίας μνήμης.
Ένας υβριδικός τύπος μνήμης που συνδυάζει την υψηλή πυκνότητα της DRAM (Dynamic Random-Access Memory) με την ταχύτητα της SRAM (Static Random-Access Memory) βρίσκεται στην πρώτη γραμμή αυτής της προσπάθειας.
Το έργο διευθύνεται από ηλεκτρολόγους μηχανικούς στο Πανεπιστήμιο του Στάνφορντ, με στόχο την ομάδα να δημιουργήσει ταχύτερο, πιο αποτελεσματικό υλικό μνήμης για εφαρμογές τεχνητής νοημοσύνης που αντιμετωπίζει τους τρέχοντες περιορισμούς στην επεξεργαστική ισχύ και την κατανάλωση ενέργειας.
Η μνήμη, ένα βασικό σημείο συμφόρησης της τεχνητής νοημοσύνης – το υβρίδιο αποκτά κυτταρική μνήμη για διάσωση
Αυτή η έρευνα χρηματοδοτείται στο πλαίσιο του Νόμου για τα CHIPS και την Επιστήμη, με πρόσφατη ώθηση 16,3 εκατομμυρίων δολαρίων στη χρηματοδότηση του Υπουργείου Άμυνας των ΗΠΑ στον κόμβο υλικού τεχνητής νοημοσύνης Καλιφόρνια-Ειρηνικό-Βορειοδυτικό.
Τα συστήματα AI εξαρτώνται σε μεγάλο βαθμό από το υλικό που μπορεί να μετακινήσει και να επεξεργαστεί αποτελεσματικά μεγάλους όγκους δεδομένων. Ωστόσο, η μετακίνηση δεδομένων μεταξύ μνήμης και λογικών ενώσεων απαιτεί χρόνο, γεγονός που επιβραδύνει τις GPU και οδηγεί σε αυξημένη κατανάλωση ενέργειας.
Καθώς τα μοντέλα τεχνητής νοημοσύνης γίνονται μεγαλύτερα και πιο περίπλοκα, αυτά τα σημεία συμφόρησης μνήμης γίνονται πιο έντονα. Επομένως, η ταχύτερη και πυκνότερη μνήμη που βρίσκεται απευθείας στα τσιπ θεωρείται πιθανή λύση σε αυτό το πρόβλημα.
H.-S του Πανεπιστημίου Στάνφορντ. Ο Philip Wong, ηλεκτρολόγος μηχανικός και πρόεδρος του AI Hardware Hub, τονίζει τη σημασία της μνήμης για να κάνει το υλικό AI πιο ενεργειακά αποδοτικό.
Η ομάδα του Wong έχει στραφεί σε έναν νέο τύπο σχεδιασμού μνήμης που ονομάζεται Gain Cell memory, ο οποίος συνδυάζει τα πλεονεκτήματα τόσο της DRAM όσο και της SRAM. Η υβριδική κυψέλη απολαβής προσφέρει μια μέση λύση που έχει το μικρό αποτύπωμα της DRAM, αλλά παρέχει επίσης τις μεγαλύτερες ταχύτητες ανάγνωσης που είναι χαρακτηριστικές της SRAM.
Η βασική διαφορά σε αυτό το νέο σχέδιο είναι η χρήση δύο τρανζίστορ—ένα για εγγραφή δεδομένων και ένα για ανάγνωση αντί του πυκνωτή που υπάρχει στην παραδοσιακή μνήμη DRAM. Αυτό επιτρέπει στην κυψέλη απολαβής να διατηρεί τα δεδομένα πιο αξιόπιστα και να ενισχύει την ισχύ του σήματος κατά την ανάγνωση των δεδομένων.
Η μνήμη κυψέλης Gain έχει αντιμετωπίσει περιορισμούς όπως η ταχεία διαρροή δεδομένων σε σχέδια που βασίζονται σε πυρίτιο και χαμηλότερες ταχύτητες ανάγνωσης σε σχέδια που βασίζονται σε οξείδια. Ωστόσο, η ομάδα του Στάνφορντ συνδύασε ένα τρανζίστορ πυριτίου με ένα τρανζίστορ οξειδίου του κασσιτέρου του ινδίου, βελτιώνοντας σημαντικά την απόδοση της συσκευής, προσφέροντας ταχύτερες ενδείξεις διατηρώντας ένα συμπαγές αποτύπωμα.
Η νέα σχεδίαση μπορεί να κρατήσει δεδομένα για περισσότερα από 5.000 δευτερόλεπτα, πολύ περισσότερο από την παραδοσιακή DRAM, η οποία χρειάζεται ανανέωση κάθε 64 χιλιοστά του δευτερολέπτου. Επιπλέον, η υβριδική μνήμη είναι περίπου 50 φορές ταχύτερη από τα κύτταρα απολαβής οξειδίου-οξειδίου.
Ο Wong παρομοιάζει αυτή την πρόοδο με τη μετάβαση από ένα βασικό ποδήλατο 3 σχέσεων σε ένα εξελιγμένο ποδήλατο 20 ταχυτήτων, τονίζοντας ότι αυτή η εξέλιξη της τεχνολογίας μνήμης θα επεκταθεί πέρα από τις παραδοσιακές επιλογές όπως DRAM, SRAM και μνήμη flash. «Θέλουμε να παρέχουμε καλύτερες επιλογές, ώστε οι σχεδιαστές να μπορούν να βελτιστοποιούν καλύτερα…είναι μια ευκαιρία να ανακατασκευάσουμε τους υπολογιστές», είπε ο Wong.
Μέσω IEEE
Περισσότερα από το TechRadar Pro
